一种基于DBA-MALSTMFCN的EC保育患者风险预警模型的方法技术

本发明专利技术公开了一种基于DBA

【技术实现步骤摘要】
一种基于DBA
‑
MALSTMFCN的EC保育患者风险预警模型的方法


[0001]本专利技术属于疾病风险预测领域，涉及一种基于DBA
‑
MALSTMFCN的EC保育患者风险预警模型的方法，具体预测子宫内膜癌及非典型增生参与保育治疗患者经过保育治疗3个月后是否得到缓解。

技术介绍

[0002]人工智能的应用主要分为两大类。第一类包括机器学习技术，分析结构化数据，对患者特征进行聚类，从而预测疾病结局的概率。第二类包括从非结构化数据(如临床笔记和患者病历)中提取信息的自然语言处理方法，以补充和丰富结构化医疗数据。自然语言处理将文本转换为机器可读的结构化数据，然后机器学习技术可以对这些数据进行分析。MALSTM
‑
FCN是一种结合了多层注意力长短期记忆网络(MultipleAttentionLSTM，MALSTM)和一维卷积神经网络(1DCNN)的深度学习模型。MALSTM是一种注意力机制的长短期记忆网络，用于处理序列数据。与传统的LSTM不同，MALSTM引入了注意力机制，使得模型能够自动学习并关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBA
‑
MALSTMFCN的EC保育患者风险预警模型的方法，其特征在于：将参与保育治疗的患者四个阶段的基本情况、高危因素和医院实验室检查及辅助检查数据以及诊断结果等时间序列数据进行处理，得到患者数据后搭建模型，训练模型，最后评估模型效能，包括以下步骤：步骤1：根据研究内容，对时间序列数据进行预处理；步骤2：对数据的缺失值进行插值处理以及对数据集进行数据增强处理；步骤3：根据递归神经网络的研究成果，搭建网络模型；步骤4：通过数据训练优化模型参数，并通过测试数据检验模型有效性和准确性。2.根据权利要求1所述的一种基于DBA
‑
MALSTMFCN的EC保育患者风险预警模型的方法，其特征在于：步骤1对时间序列的患者数据中的文本病历进行结构化处理，以及其他数字信息进行数据提取，并使用pandas对数据进行清洗、准备和数据规整，通过Matplotli...

【专利技术属性】
技术研发人员：孙悦，李智，杨帆，李欣阳，朱玉龙，
申请(专利权)人：四川大学，
类型：发明
国别省市：